Forecasting Carbon Emissions Trading Prices in Asia Using a CEEMDAN-XGBoost Hybrid Model

日本語

本論文は、CEEMDAN-XGBoostハイブリッドモデルを用いてアジア炭素排出権取引価格の予測手法を提案する。信号分解と機械学習を組み合わせ、価格変動の複雑なパターンを捉える。ただし、具体的な実証結果や精度評価は本抄録からは不明。

English

This paper proposes a CEEMDAN-XGBoost hybrid model to forecast carbon emission trading prices in Asia. By combining signal decomposition and machine learning, it aims to capture complex price dynamics. However, no empirical results or accuracy metrics are available from the abstract.

日本のGX文脈において

日本では2023年度からのGX-ETS本格稼働や東証カーボンクレジット市場の開設により、炭素価格予測の需要が高まっている。本モデルは日本の価格形成メカニズム理解に応用可能性があるが、アジア全体を対象としており日本固有の制度設計は反映されていない。

In the global GX context

With the global expansion of emissions trading systems (ETS) in Asia, accurate carbon price forecasting is crucial for risk management and policy evaluation. This hybrid approach could be applicable to various ETS contexts, including China's national ETS and Korea's ETS, but requires adaptation to specific market rules.